월급쟁이

Chapter 2. 그 방식이 안 통하는 이유

2026-03-09T22:00:24Z

1만 시간의 법칙이 작동하려면 전제가 필요했다. 안정된 도메인, 반복할 환경, 충분한 시간. 그리고 그 위에서 돌아가는 학습 구조, OJT. 지금 이 전제가 세 방향에서 동시에 무너지고 있다. 배우는 사람이 달라졌다 요즘 팀원들을 보면서 가장 먼저 느끼는 차이는 정보를 대하는 태도다. 이전 세대는 정보를 "찾으러" 갔다. 서점에 가고, 선배에게

Chapter 1. 1만 시간의 전제 - 그 시절엔 맞는 말이었다.

2026-03-08T22:00:22Z

그 시절엔 맞는 말이었다 "해봐야 안다." 이 말을 처음 들었을 때 반감이 없었던 건 아니다. 하지만 실제로 일을 해보니, 맞는 말이었다. 책에서 읽은 것과 현장에서 부딪히는 건 전혀 다른 종류의 앎이었다. 전략 교과서에서 "고객 세그먼트를 나눠라"라는 문장을 읽었을 때, 나는 그걸 안다고 생각했다. 하지만 실제로 영업 미팅에 들어가서 고객이 "우리는

프롤로그: AI로 인해 일하는 방식이 바뀌었다 - 하지만 빨라졌을 뿐, 달라지지 않았다

2026-03-07T10:55:20Z

우리는 이미 늦었다 어느 날 문득 깨달았다. 내가 일하는 방식이 10년 전과 거의 같다는 것을. 회의에 들어가고, 메모를 하고, 정리해서 공유하고, 후속 조치를 따라간다. 문서를 쓰고, 검토하고, 다시 고치고, 또 공유한다. 그 사이사이에 판단을 내리고, 맥락을 전달하고, 누군가를 설득한다. 이 루틴이 나쁜 건 아니다. 다만 이 루틴의 속도가 더 이상

데이터 분석의 핵심은 tool이 아닙니다 - 아무도 이야기해주지 않은 진실, 문제 해결 능력

2023-10-04T12:38:48Z

“어떤 툴을 배워야 할까요?”라는 질문이 적합하지 않다는 말은 아닙니다. 당연히 분석을 하기에 앞서 나의 목적에 맞는 도구가 무엇일지 고민하는 과정에서 생긴 의문이고, 쓸 수 있는 툴이 널리고 널린 요즘에는 누구나 궁금해하는 부분입니다. 하지만 오늘은 무엇을 배우는 게 ‘낫다’라는 이야기가 아닌 데이터 분석에 있어 중심이 되는 역량을 이야기해보려 합니다.

데이터 관련 직군을 정리해보자 - + 꼭 컴공, 통계학 전공이어야 하나요?

2023-12-12T15:12:30Z

이전 글에서도 이야기했듯이 데이터를 다루는 직군은 과거에도 존재했었습니다. 단지, 불리는 이름이 조금씩 달랐고 활용하는 툴이 요즘처럼 다양하진 않았을 뿐입니다. 데이터를 "다루는" 직군은 크게 두 가지로 나눌 수 있겠습니다. (요즘에는 미묘하게 경계선 상에 걸쳐져 있다거나 기존 카테고리에서부터 별도로 분리되어서 표현하기 애매한 직군도 있지만요) 구축하는

데이터 분석, 그 시작 - 우대 역량을 넘어 필수 역량이 될 직무

2023-06-14T09:11:30Z

새로운 분야를 학습할 때 우리는 머릿속으로 계획표를 짜게 됩니다. 잘 알고 있는 영역이라면 계획표 세우기가 수월하지만, 사전 지식이 없는 생소한 영역은 어디서부터 시작해야 할지, 무엇부터 시작해야 할지 막막합니다. 특히나 전문 용어를 쓰거나, 뉴스에 빈번하게 등장한 타이틀일수록 경험해보지 못한 사람들에게는 진입 장벽이 높아 보이기 마련이죠. '데이터 분석'

데이터로 본 아이돌 트렌드 - Melon 음악 차트 크롤링을 통한 분석

2020-11-25T14:08:18Z

#R을 이용한 텍스트 분석 얼마 전 페이스북 계정을 통해 아이돌 산업을 Product Life Cycle의 개념으로 해석한 짤막한 조각글을 썼습니다. 그 글을 시작으로 음악 산업과 관련하여 수집 가능한 데이터가 있다면 제가 어떤 부분을 관찰할 수 있을지 고민해보다 가벼운 분석을 진행해보았습니다. Prologue 데이터 수집에는 Melon 덕분에 큰 어려움

악조건 속에서도 추천을 ‘잘’하고 싶다 - 카카오 뉴스 추천 AI 알고리듬과 나의 단상

2020-05-28T05:19:53Z

카카오 정책지원파트가 발행한 ‘카카오 뉴스 추천 AI 알고리듬 ‘루빅스’의 비밀’을 읽으면서 든 생각을 적어봤습니다. 참고로 저는 추천 시스템의 '추'도 구경을 못해봤습니다. ;) 단상이라 비록 얻어가는 결과물은 없으실지라도 같이 생각을 공유해볼 수 있을까 싶어 적어봅니다. 글을 읽기 전에... 내용 기반 필터링: 개인의 행동 정보를 반영하여 뉴스를 추천

데이터 분석 관련 자주 하는 질문 - 데이터 분석을 배우기 전 FAQ

2023-12-12T15:12:30Z

Data Scientist, Data Analyst와 같은 직업이 흔해지다 보니 주위에 꽤 많은 사람들이 저에게 진로 상담, 데이터 분석가로서 필요한 스킬을 물어보십니다. 진로에 대해 고민 중인 취업 준비생, 커리어 전환을 꿈꾸는 직장인, 내가 원하는 데이터를 직접 보고 싶은 마케터/기획자 등 질문하시는 분들의 직업, 나이의 범위도 큽니다. 이 중 가장 많

딥러닝의 30가지 적용 사례 - 비전문가들도 이해할 수 있을 구체적 예시

2023-11-21T07:16:31Z

*본 글은 Yaron Hadad의 블로그 'http://www.yaronhadad.com/deep-learning-most-amazing-applications/'를 동의 하에 번역하였습니다. 최근 몇 년간 딥러닝은 컴퓨터 비전부터 자연어 처리까지 수많은 문제들을 해결하는데 쓰였습니다. 다수의 경우 딥러닝은 이전의 작업보다 더 좋은 성능을 보이고 있습니다

딥러닝이 뭔가요?-1.개요 - 호기심 많은 비전문가용 설명문

2020-02-17T03:36:34Z

사람들의 딥러닝에 대한 관심은 이전부터 많았었지만, 제가 최근 들어 발견한 흥미로운 점은 업무상 딥러닝을 구현할 일이 없는 분들도 상당히 많은 관심을 가지고 리서치를 해본다는 점입니다. 이렇게 호기심 많은 '비전문가'분들의 활동을 보면 데이터 분석을 업으로 삼으며 연구에 있어 큰 방해도 받지 않는 환경에 있으면서도 현실에 안주하고 있는 제 자신을 반성하게

데이터 분석도 결국은 기획력이다 - '손'이 먼저 나가서는 안된다

2023-09-28T14:18:25Z

데이터를 추출하고 패턴을 파악하여 고객이 만족할만한 통찰력 있는 결과를 찾아내며 이를 실무에 적용시키는 것이 나의 일상 업무이다. 나는 남들이 말하는 데이터 사이언티스트이다. 장황하게 설명했지만 실상은 데이터 속에 파묻혀서 일을 하고 있고, 바쁜 사이클 속에서 주어진 시간 내에 최선의 결과물을 내려 노력하는 분석가일 뿐이다. 오늘은 노력하는 분석가로서, 데

의심하는 습관은 필수다 - '정보의 홍수' 속 세 가지 미덕

2020-04-15T08:19:29Z

정보화 시대에 우리가 직면하고 우리 도처에 스며 있는 위험 가운데 하나는, 지식의 양이 아무리 넘쳐나더라도 우리가 실제로 아는 것과 우리가 안다고 생각하는 것 사이의 격차는 점점 벌어지고 있다는 데 있다. Thanks for Google 구글의 발전으로 우리는 궁금한 무엇을 찾아내는데 그리 오랜 시간과 노력이 들지 않는다. 언제든 검색해 볼 수 있고 어디

정답을 모른다면 유사한 답이라도 찾자 - 기계학습의 핵심, Bias와 Variance

2019-05-20T13:11:40Z

이전 글 'Ridge와 Lasso Regression의 쉬운 풀이'에서 우리는 Bias와 Variance를 훑어 보았습니다. 본 글은 bias와 variance의 개념을 다시 한 번 짚고 넘어가는 글입니다. 기계학습(Machine Learning)에 있어 중요한 개념이기 때문에 별도의 주제로 잡아보았습니다. 기계학습이든 딥러닝이든 답을 찾기 위해서는 bi

Ridge와 Lasso Regression의 쉬운 풀이 - 왜 linear regression 대신 Ridge,Lasso를 선택할까

2023-08-03T19:40:11Z

오늘은 이전 글의 목차에서 다루지 못한 나머지 주제들을 다뤄보려 합니다. *이전 글 https://brunch.co.kr/@itschloe1/9 [목차] 1. Simple models for Prediction 2. Linear Regression 3. The Line of Best Fit 4. Gradient Descent 5. Using Linear R

Linear Regression의 쉬운 풀이 - Ridge와 Lasso Regression을 이해하기 위한 Preview

2020-11-24T19:52:50Z

Keywords #예측모형, #선형회귀모형, #linearregression, #costfunction, #GradientDescent, #R-squared, #AdjustedR-squared, #Python 개요 대형 슈퍼마켓의 operations manager에 일하는 내 친구와 얼마 전 이야기를 나누었습니다. 대화 중 우리는 명절 전 슈퍼마켓의 재고

딥러닝, 머신러닝의 차이점은? - 딥러닝과 머신러닝은 이런 점이 다르다.

2023-11-18T07:16:28Z

개요 머신러닝(Machine learning)과 딥러닝(Deep learning)은 화두다! 언제부터인지 주위에 이 단어들을 쓰는 사람들을 굉장히 많이 보았을 것이고 들어봤을 것입니다. (그들의 차이점을 알건 모르건을 떠나서 말이죠!) 얼마나 많은 사람들이 관심을 가지고 있는지 알기 위해서, 키워드로 검색한 구글 트렌드 결과입니다. 만약 머신러닝과 딥러닝의